§ 3.3. Подходы к моделированию в центральном банке
Эконометрика базируется на стохастической теории (теории верояш». стей) и может использоваться в двух направлениях. Во-первых, ее примсі виш ДЛЯ тестирования достоверности ВЫВОДОВ, следующих ИЗ экономических ЇГН рий, во-вторых — для поиска экономических взаимосвязей, не предскичлн ных теорией и не имеющих (пока) разумного обоснования.
На приклади*»», уровне модели могут помочь центральному банку проделать в макроэкош» мической области следующий анализ:- определить процесс, происходящий в экономике, его количества 1111.!• характеристики, а также механизм влияния на него денежно-кредт ной политики;
- провести мониторинг текущей экономической ситуации и рассч и і л і» краткосрочный прогноз ее изменения;
- составить прогноз на длительный срок при альтернативных вариам и* денежно-кредитной политики.
В первую очередь специалисты должны провести тестирование гииои » касающихся того или иного поведения экономических агентов. Наприм* р центральный банк сначала изучает и измеряет эффекты, которые оказыии. • изменение его процентной ставки на сбережения и инвестиции или влиянм- колебаний валютного курса на экспорт и импорт. Исследования взаимош.» зей выделяются в отдельные научно-исследовательские проекты, резулыникоторых затем консолидируются. Выводы отдельных исследований ложам • в основу модели, с помощью которой определяется процесс, происходя III и», в экономике, и его количественные параметры.
Модели, имеющие полное теоретическое обоснование, носят название нруктурных моделей (structural models). Они представляют собой систему і равнений, в которой причинные связи между переменными выражены в явним виде. Различаются три типа структурных моделей:
- все неизвестные переменные выражаются в виде явных функций от внешних условий и внутренних параметров объекта;
- неизвестные переменные определяются совместно из системы известных соотношений (уравнений, неравенств);
- неизвестные переменные находятся из системы соотношений, известных лишь в общей форме (т. е. параметризация не завершена).
В целом структурные модели состоят из уравнений, характеризующих •мжомическое поведение агентов. Например, личное потребление может зависеть от личного дохода и процентной ставки. Как следствие, регулятор «праве ожидать, что домохозяйства будут реагировать на изменение обеих переменных. Анализ данных за прошлые периоды позволяет оценить коэффициенты уравнений при ключевых переменных. Структурные модели обычно m пользуются центральными банками для прогнозирования совокупного микроэкономического спроса. Модели определяют ВВП как сумму основных >омпонентов расходов: частное потребление, инвестиции, государственные расходы и торговый баланс. Они включают небольшую или не сильно детали- трованную функцию производства или занятости.
Классическая структурная модель, используемая центральным банком, ц раничивается небольшим числом уравнений. Например, она может включіть всего три уравнения, определяющих эндогенные переменные: реальный ПИП, уровень цен и процентную ставку. Они, в свою очередь, могут зависеть и одной экзогенной переменной — денежного предложения. Однако моде- іирование непростой современной экономики чревато разрастанием самой модели. К примеру, рассмотрим базовую модель, использовавшуюся Банком \ш лии до 1994 г.[178] Она является одной из канонических эконометрических моделей, созданных Лондонской школой экономики в начале 1970-х годов. II течение 1980-х годов модель активно использовалась Экономическим департаментом Банка Англии для исследования самых разнообразных про- тем. Напике своей популярности модель содержала около 600 переменных. II начале 1990-х годов модель стали упрощать и число переменных сократили и» 350. Из них около сотни были экзогенными факторами, а оставшиеся ’М) переменных — эндогенными (из них только 170 переменных определяюсь в пределах модели, остальные 80 являлись статистическими тождествами). В настоящее время модель уменьшена до минимальных размеров: V уравнения, характеризующих поведение агентов, и 130 переменных.
Структурные макроэкономические модели считаются эффективными, с* ли они:
- достоверно имитируют процессы, наблюдаемые эмпирическим путем.
- имеют микроэкономическое обоснование;
- позволяют строить прогнозы на будущее.
Для тестирования макроэкономических моделей применяются класеичг ские или байесовские эконометрические техники (classical and bayesian econo metric techniques), а также имитационное моделирование и калибровка (simttln tion and calibration techniques). Два последних подхода используются, когда /им первых невозможно применить либо они дают ошибочные результаты.
Противоположное направление моделирования носит название «атсоре тическое моделирование» (atheoretic modelling). Это эмпирический подхо і в котором игнорируется причинно-следственные закономерности В ПОЛІ.и функциональных связей. Рассматриваются не детерминанты экономически го процесса, а только эмпирические свидетельства реакции одних перемен ных на изменение других величин.
Из-за того, что экономика в отличие от естественных наук не предполлі а ет проведения экспериментальной проверки, центральные банки регулярна прибегают к атеоретическому подходу. Проще говоря, они разрабатываю! и применяют модели без необходимой теоретической основы. Многие СІМ' циалисты полагают, что моделировать процесс можно даже тогда, когда lt;н сутствует удовлетворительная экономическая теория. При условии, что и* ходные данные поступили из надежного источника, специалисты центра ш, ных банков считают возможным использовать эконометрическую техник\ для обнаружения и подтверждения связи между переменными, нежели при сто полагаться на «визуальный контроль» диаграмм и убеждаться в сущее і ш • вании предсказанной теорией связи.
В атеоретическом подходе используется приведенная форма мололи (reduced-form of model). В ней каждая из текущих эндогенных переменных им ражена как функция предопределенных переменных. Иными словами, кал дое уравнение представляет собой решение системы уравнений модели, м данной в структурной форме, относительно каждой текущей эндогенной ш ременной.
Число уравнений модели равно числу текущих эндогенны* переменных. Структурная форма модели преобразуется в приведенную пуюм последовательных подстановок, а все параметры последней представляют * и бой некоторые функции первоначальных коэффициентов. Например, сени структурная модель включает уравнения, объясняющие спрос на деш.и* и их предложение, то приведенная форма модели содержит только одно уран нение, показывающее, как денежная переменная связана с другими пока ы телями, например ценами. Структура модели неизвестна, но зато извей и* поведение объекта, т. е. реакция на воздействие известных факторов (peat ция цен на увеличение денежного предложения). Такие модели часто на тын а «и «черными ящиками». Переменная денег является входным параметром черного ящика», а переменная цен — выходным. Для оценки неизвестной ИІШ1МОСВЯЗИ двух переменных используются различные тесты (например,- то і причинно-следственной связи Грейнжера, Granger causality test), которые •и» жоляют обнаружить направление этой связи. К примеру, предшествуют ли •і їмснения денежного предложения колебанию цен, или, наоборот, вариация сн определяет предложение денег.
Обзор моделей. Экономико-математические модели центрального банка •пн ут быть классифицированы по различным признакам. Самым простым нособом является классификация исходя из экономической теории, кото- пни лежит в исходных предположениях модели. Альтернативным способом
- июсификации может быть разделение моделей по назначению: модели для іиіечета прогнозов и модели для анализа политики центрального банка. Од- пико провести разделительную линию между группами моделей часто бывает •смозможно из-за того, что по мере удлинения временного горизонта, на коміром работает модель, она переходит из одного класса в другой. Многие и і моделей признаны эффективными из-за того, что они удачно сочетают как прогностические, так и аналитические качества. Наконец, модели могут быть •стаесифицированы по набору общих характеристик. Исходя из характерній к моделей, специалисты Исследовательского департамента Банка Канады
иыделяют три класса моделей[179]:
- модели одного уравнения и индикативные (single-equation/indicator models)',
- малые модели приведенной формы (small multi-equation, reduced-form models);
- средние динамические модели общего равновесия (medium-sized dynamic- general-equilibrium models).
Специалисты Банка Англии, признанного лидера в области аналитики
- центральных банков, разделяют модели на пять групп[180]:
- базовые модели;
- модели с опережающими ожиданиями;
- модели векторной авторегрессии;
- регрессионные модели одного уравнения и модели динамической оптимизации.
Рассмотрим их характеристики подробнее.
Базовая модель экономической системы («core» economic system model). По- "Жляющее большинство центральных банков создает так называемую базовую модель, или модель «ядра». Под «ядром» подразумевают часть системы, без которой любая выделившаяся подсистема или группа подсистем не мол. • существовать более эффективно или самостоятельно. Базовая модель хлра теризует ключевые макроэкономические закономерности национальна! экономики. Они используются для среднесрочного прогнозирования. II» структура состоит из 30—50 стохастических уравнений и 100—200 перемен ных. В ходе моделирования на долгосрочную перспективу ряд переменны* принимается за константу. К постоянным величинам обычно относят зліш тость, реальный валютный курс и т. д. Затем вводится несколько уравнении связывающих экономику в кратко- и долгосрочном периоде.
Аналитический департамент шведского Риксбанка для определения ба и» вого инфляционного процесса использует всего четыре уравнения:
- рост цен, вызванный деловой активностью;
- экзогенная инфляция, передающаяся через цены на экспортные и мм портные товары и услуги;
- инфляционные эффекты налогово-бюджетной политики, проявляй, щиеся через косвенные налоги;
- прямое влияние денежно-кредитной политики и краткосрочной М|»и центной ставки центрального банка на инфляцию.
Все четыре компоненты инфляции учитываются в уравнении прогнозним- экономического роста. Таким образом, из небольшого числа уравнений фпр мируется миниатюрное «ядро» экономической системы. В плане междуїм родного сравнения базовые модели отличаются степенью значимости ожили ний экономических агентов, которые определяют поведение нефинансовые переменных, таких как потребительские расходы.
Базовые модели не дают точного прогноза, особенно если речь мл. . о краткосрочном периоде. Однако когда горизонт прогнозирования удлтш ется, трудно найти лучшую замену базовым моделям. При принятии pci и. ний эффективность применения базовой модели зависит, главным обранім от характеристик рассчитываемых сценариев денежно-кредитной политим* Для изучения специфических проблем национальной экономики блзои.ш модель подлежит преобразованию. Одной из обычных трансформаций мол. ли является введение статического равновесия, используемого для нахож е ния долгосрочных последствий действия регулятора. Противоположное И . менение — введение переменных, не входящих в исходную модель, что м... воляет прогнозировать в среднесрочной перспективе.
Модель с опережающими ожиданиями (Forward-Looking Model). Имен но і и модель часто называют «моделью центральных банков». В модели с опер, жающими ожиданиями ключевое место занимает некоторая переменили, ч.* рактеризующая ожидания экономических агентов относительно дальнейиь го изменения ситуации в экономике. Чаще всего главной переменной ожи м ний выступает будущая ожидаемая инфляция (или реже ВВП). Ориентируй.. на прогнозную инфляцию, центральный банк в текущий период врсм» м.- минимизирует ожидаемые потери общества. Таким образом, поведение как и*нежных властей, так и частного сектора определяется прогнозом ключевой і переменной. Модели содержат IS-кривую, соединяющую рост ВВП с такими переменными, как процентная ставка, ожидаемая инфляция, предыдущий и ожидаемый рост производства. Кроме того, в них входит кривая Филлипса,
- им зывающая текущую инфляцию с прошлой и ожидаемой инфляцией, учи- 1Ыкаются отклонения ВВП от своего потенциального уровня. Простейшая модель с опережающими ожиданиями состоит из двух уравнений. В первом уравнении текущая инфляция зависит от прошлой и ожидаемой инфляции, ігкущего ВВП и случайного шока, влияющего на цены. Во втором уравнении ткущий ВВП определяется переменными прошлого и ожидаемого ВВП, ожидаемой инфляции, текущей номинальной процентной ставки и случайного шока, влияющего на производство.
Модели с опережающими ожиданиями предусматривают определенный механизм, подсказывающий решения для денежно-кредитной политики. Ес- III центральный банк использует таргетирование денежных агрегатов, то и систему уравнений должна входить функция спроса на деньги. Однако и большинстве случаев разработчики ограничиваются простым правилом расчета процентной ставки центрального банка, таким как «правило Тэйлора». Модель с опережающими ожиданиями отличается от базовой модели
- іспенью агрегирования. В модели с ожиданиями она на порядок выше, и го время как базовую модель часто перегружают уравнениями.
В практическом плане модели с опережающими ожиданиями больше подхо- 1М г для имитации действий денежных властей и расчета сценариев с последст- мимми, а не для прогнозирования. Их удобно применять для анализа альтерна- I и иных вариантов денежно-кредитной политики, поэтому они обычно дополни ют базовую модель и обеспечивают перекрестный контроль за сводными |ч*зультатами анализа. В то же время из-за высокой степени агрегирования и упій иценной динамической структуры они не могут использоваться для подготовки краткосрочного прогноза или для объяснения колебаний делового цикла.
Модель векторной авторегрессии (Vector Autoregression, VAR). VAR-модель широко используется сторонниками атеоретического подхода. Первоначально модель использовалась для изучения таких специфических вопросов, как роль различных денежных агрегатов в прогнозировании инфляции и экономического роста. Она представляет собой систему уравнений, в которой значение каждой последующей переменной определяется предыдущими значениями не только этой, но и других переменных. Фактически модель опи-
- ыиает математическое ожидание будущего значения переменной как линейную функцию от текущих и прошлых значений ряда переменных. Например, VAR-модель может содержать три переменные: инфляция, производство и денежное предложение. В такой модели текущая инфляция зависит от предыдущих значений переменных инфляции, производства и денежного предложения; текущее производство и денежное предложение определяются и ми же самыми переменными с лагом и т. д.
VAR-модель имеет разнообразные модификации, позволяющие решим, отдельные задачи. В частности, в центральных банках применяется моде и• структурной векторной авторегрессии (Structural Vector Autoregression Model SVAR), позволяющая различить шоки и реакцию переменных на шоки дли определения их источников. Если анализируемые данные имеют ярко вырл женные сдвиги (например, высокие и низкие цены на нефть или девальвации национальной валюты), то модель векторной авторегрессии модифицируем и для учета двух режимов, в результате чего возникает RS VAR-модель (Regime Switching Vector Autoregression).
В отличие от структурных моделей VAR-модель не навязывает никаких lt;н раничений, обычно накладываемых экономической теорией в плане завит мости одних переменных от других. В связи с тем что VAR-модели опираю і * и исключительно на наблюдения прошлого и не учитывают будущие ожили ния, их применяют только в краткосрочном прогнозировании. Их можно также использовать для обнаружения статистически значимых макроэкош» мических индикаторов. Однако в отличие от структурных моделей VAR-мо дели не объясняют, почему тот или иной показатель является важным с gt;ки номической точки зрения.
Регрессионная модель одного уравнения (Single-Equation Regression Model) В настоящее время проведение расчетов по нескольким тысячам регрессий сіл ло делом обычным и простым — хотя так было не всегда, более того, труді и* отыскать эмпирическое экономическое исследование, в котором не были бы регрессии. Регрессии также активно применяются в других областях, вклю чая социологию, статистику и психологию. Ранний этап развития концепции регрессии относится к XIX в., но в действительности стремительный подъем регрессионного анализа начался только в XX в. благодаря технологической рг волюции, которая сделала настольные компьютеры его главной опорой В 1950-е и 1960-е годы экономистам приходилось рассчитывать регрессии мри помощи электромеханических настольных калькуляторов. Еще совсем недаш и • в 1970-е годы, до 24 часов уходило только на то, чтобы получить результаты он ной регрессии из центральной компьютерной лаборатории — и это после ш скольких часов или дней, затраченных на пробивку компьютерных перфокар і Одна неверная пробивка (ошибка в написании управляющей команды или и» правильное значение показателя) могла свести на нет всю работу.
Сегодня экономисты центральных банков активно используют множа і иlt; • простых регрессионных моделей, состоящих всего из одного уравнении В первую очередь они служат для краткосрочного прогнозирования инфчм ции, экономического роста и валютного курса. Прогноз строится на теку щий квартал и один квартал вперед. Чтобы составить прогноз экономии» ского роста, необходимо анализировать ежемесячную динамику реальны» переменных (занятость, загрузка производственных мощностей, заказы и материальные запасы, экспорт и импорт, а также оборот розничной торговий). Типичным примером простой регрессионной модели для открытой экономики является уравнение Филлипса, учитывающее связь между валютным курсом и условиями внешней торговли (или ценами на ключевые товары, обращающиеся на внешнем рынке). Уравнение инфляции является главной * реди регрессионных моделей. Базовая инфляция может рассматриваться как функция ожидаемой инфляции, гэпа ВВП, предыдущих и текущих изменений в косвенных налогах, цен на нефть и реального валютного курса. Ожидаемая инфляция моделируется таким образом, чтобы соответствовать режиму денежно-кредитной политики.
По сравнению с другими моделями регрессионная модель одного уравнения обладает простыми прикладными преимуществами. Во-первых, она име- lt;ч наглядную и понятную структуру. Во-вторых, ее легко использовать для расчета прогнозов. Регрессионные модели также служат для перекрестного контроля результатов базовой модели. Набор регрессионных уравнений по- нюляет сформировать малые модели приведенной формы (см. «NAOMI: пример малой модели приведенной формы Банка Канады»).
NAOMI: пример малой модели приведенной формы Банка Канады
Специалисты Банка Канады активно применяют несколько небольших моделей приведенной формы. Одной из них является модель NAOMI (North American Ореп-Есопоту Macro-econometric Integrated model). Она представляет собой макроэкономическую модель, состоящую из нескольких уравнений, разработанную для краткосрочного прогнозирования подразделением экономического анализа и прогнозирования Департамента финансов Банка Канады в 2001 г. Канадская часть модели NAOMI состоит из шести уравнений, которые описывают экономический рост, базовую инфляцию и дефлятор ВВП, реальный валютный курс, кратко- и долгосрочные процентные ставки. Цены и выпуск продукции рассматриваются как функция от кривой Филлипса, дополненной инфляционными ожиданиями. Денежно-кредитная политика в модели NAOMI выглядит следующим образом. Центральный банк может оказывать влияние на реальные процентные ставки, поскольку цены не обладают гибкостью в краткосрочном периоде. Реальные процентные ставки детерминируют инвестиционные и потребительские расходы. Снижение реальных ставок приводит к росту расходов и займов, а их повышение стимулирует, соответственно, противоположный эффект. Совокупные расходы, в свою очередь, влияют на уровень производства. Наконец, гэп между фактическим и потенциальным ВВП является ключевым фактором инфляции. Помимо гэпа ВВП на текущую инфляцию также воздействуют инфляционные ожидания потребителей и производителей. Ожидания принимают форму адаптивных ожиданий. Иными словами, будущая инфляция рассматривается как функция от предыдущей динамики цен. В этом смысле модель исходит из предположения, что экономические агенты используют ограниченное информационное множество при формировании ожиданий. С одной стороны, это сокращает возможный три зонт прогнозирования, а с другой стороны, снижает сложность моделирования.
Источники: Murchison S. NAOMI: A New Quarterly Forecasting Model. Part I: Proposed Model Seine iu-
Strategy // Department of Finance. 2001. Working Paper N° 19; Murchison S. NAOMI: A N*»* Quarterly Forecasting Model. Part II: A Guide to Canadian NAOMI II Department of Finam »•
- Working Paper N° 25.
Главная проблема с любыми регрессионными моделями кроется в ко gt;ф фициентах при переменных. Коэффициенты выражены через функции, он ределяемые предпочтениями, технологиями и государственной политиком На практике далеко не просто предсказывать влияние, оказываемое исход ными детерминантами на коэффициенты моделей (см. также «Потенциалі. ные ошибки регрессии»).
Потенциальные ошибки регрессии
Несмотря на свой достоинства, регрессии подвержены ошибкам и часто используюи« неправильно. Рассмотрим три основные трудности.
Пропущенные переменные. Необходимо иметь хорошую теоретическую модель ДМ" выбора переменных, объясняющих зависимую переменную. В случае простой регреїхии с двумя переменными следует рассмотреть другие факторы, которые могут объяснять :тпи симую переменную.
Обратная причинно-следственная связь. Многие теоретические модели прогнозируй" двустороннюю причинно-следственную связь,.т. е. когда зависимая переменная может ныш вать изменения в одной или нескольких объясняющих переменных. Это усложняет способ, при помощи которого должны оцениваться регрессии, и требует применения специальных методі «I
Ошибки измерения. Факторы могут быть измерены неправильно. Например, миши*- факторы с трудом поддаются измерению. Как результат, регрессия может недостаточно рошо фиксировать наличие связей, что ведет к неточным или смещенным корреляциям ми* ду зависимой и независимой переменной.
Излишне узкая направленность. Коэффициенты регрессии дают информацию тот.**, о том, как малые, а не крупные, изменения одной переменной связаны с изменениями дру гой. Регрессия показывает, как небольшое изменение независимой переменной скорей m *gt; го повлияет на зависимую переменную, но не позволит исследователю сделать общий иыимн о воздействии крупных изменений.
Источник: Рамчаран Р. Регрессии: почему экономисты уделяют им так много внимания? II Финлш ы - развитие. 2006. Март. С. 37.
Модель динамической оптимизации (Dynamic Optimizing Model). Динамиче- . кии модель — это модель, которая в противоположность статической моде- III (характеризующей состояние экономической системы в определенный нгриод времени) описывает экономику в развитии. Модель является динами- юской, если как минимум одна ее переменная относится к периоду времени, •иличному от времени, к которому отнесены другие переменные. Иными lt; мовами, динамическая модель содержит переменные с лагами или опережающие переменные (переменные ожиданий). Существует два принципиальных подхода к построению таких моделей. Первый подход заключается и исследовании характеристик равновесия экономической системы. Второй подход, называющийся оптимизационным, заключается в выборе из числа но 1МОЖНЫХ траекторий экономического развития оптимального «пути». Центральным банкам часто необходимо оценить последствия структурных и іменений в экономике или специфического шока. Для этого рассматриваются потенциальные траектории дальнейшего развития системы, из которых мыбирается оптимальное.
Центральные банки, как правило, используют одну квартальную модель і ли описания динамики ключевых макроэкономических связей в национальной экономике. Ранние версии квартальных моделей были разработаны и первой половине 1990-х годов. Их размер стараются сохранять достаточно компактным, чтобы исключить избыточную детализацию. К примеру, вместо поп отдельных секторов экономики в модели обозначается только совокупный уровень цен. Хотя на протяжении 2000-х годов модели претерпели суще-
- і пенное изменение, их общие характеристики остались прежними.
По сравнению с моделю регрессии модель динамической оптимизации имеет более устойчивую структурную основу, что широко используется в академических исследованиях. Ее подвиды варьируются от динамических стохас- шческих моделей общего равновесия до моделей ценообразования на финан-
- иные активы. Динамические модели редко применяются в прогнозировании, однако они могут участвовать в составлении прогноза на правах компоненты.
Наряду с упомянутой классификацией моделей существуют и другие клас-
- ификации экономических моделей, применяемых в стенах центральных (тиков. Рассмотрим в качестве альтернативы классы моделей, предложенные профессором экономики Австралийского национального университета Адрианом Паганом для совета директоров Банка Англии[181].
Модели, применяемые для денежно-кредитного анализа, австралийский жеперт разделяет на стохастические, динамические, общего равновесия и эконометрические. Различия между ними кроются даже не столько в методологии, сколько в структуре, на которую они опираются.
Стохастическая модель (Stochastic Model) применяется, если необходим., изучить, как экономика отреагирует на неожидаемый (вероятностный) ими денежно-кредитной политики. Отличительной особенностью модели МИНН ется ее структура: в уравнения модели добавляются случайные шоки, их сю хаотические свойства (дисперсия и ковариация) подбираются на основе дни тельных экономических наблюдений.
Динамическая модель (Dynamic Model) востребована по двум причиним во-первых, в трансмиссионном механизме существуют лаги, а во-вторы» ожидания агентов оказывают значительное влияние на макроэкономически, переменные. Как правило, в динамическую модель встраивают рациона ні, ные ожидания, по которым ожидания будущего значения экономических м» личин равны их условному математическому ожиданию.
Модель общего равновесия (General Equilibrium Model), или полномасштиО ная модель экономики (Economy-Wide Model) разрабатывается, чтобы изучим комплексное воздействие денежно-кредитной политики с учетом множа І їм взаимосвязей, существующих в экономике. Если в модель вводятся раним нальные ожидания, то необходима полная модель экономики, объясняющим как ожидания формируются.
Непараметрическая эконометрическая модель (Non-parametric Есопотсии Model) применяется для изучения ответной реакции группы переменим» на какие-либо шоки, если причинно-следственная связь между переменим ми неизвестна. Как правило, непараметрические модели позволяют обпару жить взаимосвязи, которые затем ложатся в основу полноценных структур ных моделей.
На рис. VI.9 приведена классификация моделей в зависимости от их iro ретического или эмпирического характера. Исходной моделью для анали м выступает модель общего равновесия, такая как классическая модель ’ )|» роу—Дебре, где в состоянии равновесия функционируют три рынка в услоии ях оптимизирующего поведения агентов, мгновенного выравнивания рымы и рациональных ожиданий. Однако в ней банкам отведена пассивная роль, lt;н сутствуют риски, денежный рынок, совокупные и специфические ШОКИ. И |gt;г зультате модель Эрроу—Дебре неприменима для анализа трансмиссии. В то ж. время полностью эмпирические модели также не подходят для анализа. ( ю циалисты центральных банков разрабатывают как сложные, так и пройм» эконометрические модели приведенной формы. Наряду с векторными шт. регрессиями они могут использоваться только для обнаружения закономері и. стей на рынке. Однако они не способны объяснять их — для этого требую и •• структурные модели. Различия между моделями вовсе не приводят К ПОЧИН» нию «хороших» и «плохих» моделей. Не следует полагать, что одна-единстын ная модель может удовлетворить все запросы центрального банка.
Как определяется эффективность модели и насколько она пригодна л ни регулятора? Эксперты ФРС США предлагают пять критериев, с помоты» которых определяется практическая применимость любой модели. Модель юлжна соответствовать следующим требованиям[182].
- Обладать транспарентностью, достоверно воспроизводить экономиче- gt; кий процесс и предусматривать свое дальнейшее усовершенствование.
- Легко учитывать новую информацию для обновления прогноза без пергетройки модели.
- Адекватно отражать сложные динамические взаимодействия ключе- нмх макроэкономических переменных, анализируемых при принятии решений.
- Основываться на экономической теории и давать обоснованные рекомендации для денежных властей.
- Предлагать несколько альтернативных и экономически последова- юльных сценариев денежно-кредитной политики.
Модель реального делового цикла Real Business Cycle model
Модель общего равновесия General Equilibrium model
Динамическая стохастическая модель общего равновесия Dynamic Stochastic General Equilibrium model
Динамическая агрегированная эконометрическая модель Dynamic Aggregative Econometric model
Модель векторной авторегрессии Vector Autoregressive model
шшшш-
Рис. VI.9. Классификация моделей трансмиссии денежно-кредитной политики Источник: Радап A. Report on Modelling and Forecasting at the Bank of England // Bank of England Quarterly Bulletin. 2003. Spring. P. 1-29.
I
і
+'
_Jff
ШЛА,
Первые три критерия требуют от модели эффективной работы с исходим ми данными. Четвертый критерий позволяет обозначить ответную реакцию центрального банка ца изменения во внешней среде и разделяет поведен иг денежных властей и экономики как двух различных объектов. Выполнен иг четырех критериев является лишь предварительным требованием для удонлг творения пятого критерия — разработки альтернативных вариантов денеж но-кредитной политики.